| 1 |
1
3D 컨텐츠 노출 실험에 연관된 원시 데이터를 획득하고, 상기 원시 데이터에 기초하여 실험 데이터 세트를 생성하는 데이터베이스 관리부; 및상기 실험 데이터 세트에 기초하여 특징 벡터를 산출하고, 상기 특징 벡터에 기초하여 3D 컨텐츠의 피로도를 산출하는 데이터 분석부를 포함하며, 상기 원시 데이터는 상기 3D 컨텐츠 노출 실험에서 측정된 생체신호 측정 데이터를 포함하되, 상기 데이터 분석부는 상기 실험 데이터 세트가 주관 평가 점수 데이터를 포함하는지 검색하고, 상기 주관 평가 점수 데이터가 없는 경우 비지도 학습(Unsupervised Learning) 알고리즘을 사용하여 피로 군집을 분류하며,상기 주관 평가 점수 데이터가 있는 경우 지도 학습(Supervised Learning) 알고리즘을 사용하여 피로 군집을 분류하는 생체신호 데이터 관리 분석 시스템
|
| 2 |
2
제1항에 있어서,상기 데이터베이스 관리부는 원시 데이터 중 일부를 식별자로 정의하고, 상기 식별자를 이용하여 실험 데이터 세트를 생성하는 생체신호 데이터 관리 분석 시스템
|
| 3 |
3
제2항에 있어서, 상기 원시 데이터는 중 3D 컨텐츠 노출 실험의 피험자에 연관된 피험자 데이터, 3D 컨텐츠 노출 실험에서 사용된 하드웨어에 연관된 하드웨어 데이터, 및 3D 컨텐츠 노출 실험에서 측정된 생체신호 유형에 연관된 생체신호 유형 데이터 중 적어도 하나를 더 포함하고, 상기 데이터베이스 관리부는 상기 피험자 데이터를 제1 식별자로, 상기 하드웨어 데이터를 제2 식별자로, 상기 생체신호 유형 데이터를 제3 식별자로 각각 정의하는 생체신호 데이터 관리 분석 시스템
|
| 4 |
4
제1항에 있어서, 상기 데이터 분석부는 생체신호 분석 방식을 선택하고, 상기 분석 방식에 대응하는 생체신호 측정 데이터를 상기 실험 데이터 세트로부터 검색하며, 상기 생체신호 측정 데이터를 전처리하여 특징 벡터를 산출하는 생체신호 데이터 관리 분석 시스템
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서, 상기 지도 학습 알고리즘은 훈련 데이터로 훈련되었고, 상기 훈련 데이터의 각 표본은 라벨링 데이터 및 상기 특징 벡터를 포함하며, 상기 라벨링 데이터는 주관 평가 점수의 변화량이 임계값 이상인지 여부를 표현하는 생체신호 데이터 관리 분석 시스템
|
| 7 |
7
생체신호 데이터 관리 분석 시스템에 의해 수행되는 생체신호 데이터 관리 분석 방법으로서, 3D 컨텐츠 노출 실험에 연관된 원시 데이터를 획득하는 단계;상기 원시 데이터에 기초하여 실험 데이터 세트를 생성하는 단계; 상기 실험 데이터 세트에 기초하여 특징 벡터를 산출하는 단계; 상기 실험 데이터 세트가 주관 평가 점수 데이터를 포함하는지 검색하는 단계; 및상기 특징 벡터에 기초하여 3D 컨텐츠의 피로도를 산출하는 단계를 포함하고, 상기 원시 데이터는 상기 3D 컨텐츠 노출 실험에서 측정된 생체신호 측정 데이터를 포함하며, 상기 3D 컨텐츠의 피로도를 산출하는 단계는,상기 주관 평가 점수 데이터가 없는 경우 비지도 학습(Unsupervised Learning) 알고리즘에 상기 특징 벡터를 적용하여 피로 군집을 분류하는 단계; 및상기 주관 평가 점수 데이터가 있는 경우 지도 학습(Supervised Learning) 알고리즘에 상기 특징 벡터를 적용하여 피로 군집을 분류하는 단계를 포함하는 생체신호 데이터 관리 분석 방법
|
| 8 |
8
제7항에 있어서, 상기 실험 데이터 세트를 생성하는 단계는, 상기 원시 데이터 중 일부를 식별자로 정의하는 단계; 및상기 식별자를 이용하여 실험 데이터 세트를 생성하는 단계를 포함하는 생체신호 데이터 관리 분석 방법
|
| 9 |
9
제8항에 있어서, 상기 원시 데이터는 중 3D 컨텐츠 노출 실험의 피험자에 연관된 피험자 데이터, 3D 컨텐츠 노출 실험에서 사용된 하드웨어에 연관된 하드웨어 데이터, 및 3D 컨텐츠 노출 실험에서 측정된 생체신호 유형에 연관된 생체신호 유형 데이터 중 적어도 하나를 더 포함하고, 상기 원시 데이터 중 일부를 식별자로 정의하는 단계는, 상기 피험자 데이터를 제1 식별자로, 상기 하드웨어 데이터를 제2 식별자로, 상기 생체신호 유형 데이터를 제3 식별자로 각각 정의하는 단계를 포함하는 생체신호 데이터 관리 분석 방법
|
| 10 |
10
제7항에 있어서, 상기 특징 벡터를 산출하는 단계는, 생체신호 분석 방식을 선택하는 단계; 상기 분석 방식에 대응하는 생체신호 측정 데이터를 상기 실험 데이터 세트로부터 검색하는 단계; 및상기 생체신호 측정 데이터를 전처리하여 특징 벡터를 산출하는 단계를 포함하는 생체신호 데이터 관리 분석 방법
|
| 11 |
11
삭제
|
| 12 |
12
제7항에 있어서, 상기 지도 학습 알고리즘은 훈련 데이터로 훈련되었고, 상기 훈련 데이터의 각 표본은 라벨링 데이터 및 상기 특징 벡터를 포함하며, 상기 라벨링 데이터는 주관 평가 점수의 변화량이 임계값 이상인지 여부를 표현하는 생체신호 데이터 관리 분석 방법
|
| 13 |
13
명령어를 저장하는 컴퓨터 판독가능 기록매체로서, 상기 명령어가 실행되는 경우 프로세서는 제7항 내지 제10항 및 제12항 중 어느 하나의 항에 따른 생체신호 데이터 관리 분석 방법을 수행하게 하는 컴퓨터 판독가능 기록매체
|
